用 TRAE Work，1个人就能编写完一整套课程

作者：果安

TRAE 战略分析师

点击获取文章中提示词：bytedance.larkoffice.com/wiki/Q0pSwm...

上一篇，我们介绍了 TRAE 官方 AI 通识课，核心是一套可复用的协作方法论：Human as Architect, AI as Executor（你当架构师，AI 当执行者）。

今天，我们转到幕后：这门 13 节课、34 个 Demo 的课程，本身就是用课里教的方法开发出来的。 下面这套"人 + AI 协作备课工作流"，正是它的一次完整自证。接下来，就从教师备课的真实痛点讲起。

痛点：教师备课之痛与 AI 备课之难

教师备课的结构性痛点

无论学科方向如何，系统性课程开发都面临以下共性困境：

1. 时间与质量的两难

一门 13 节的体系化课程，如果每课按 90 分钟备课比 3:1 计算，仅内容创作就需要 40+ 小时的高强度脑力劳动。现实中教师同时承担科研、行政、指导学生等多重任务，很难为一门新课投入如此集中的精力。结果往往是：

要么压缩质量（PPT 上列几个要点就上课）
要么拉长周期（一个学期备一门课，下学期才能开）
要么牺牲一致性（前几课精心准备，后几课赶工凑合）

2. 多课之间的一致性几乎无法靠人力保证

体系化课程最大的挑战不是"写好一节课"，而是"13 节课像一个人在一天内写的"------术语统一、深度均衡、前后衔接、概念不重复不遗漏。但现实中，备课往往跨越数周甚至数月，教师自己也会遗忘之前课中用了什么类比、讲到什么深度。

3. 跨专业适配的边际成本极高

一门通识课面向 CS、经管、人文等不同专业学生。理论框架可以通用，但案例和 Demo 必须适配------不然非 CS 学生面对代码案例会直接断联。为每个专业方向准备一套案例，工作量翻倍甚至翻三倍。

4. 新领域课程缺乏现成教材参考

AI 协作方法论属于前沿领域，没有成熟教材可抄。教师需要从论文、博客、行业实践中自行搜集素材、提炼框架、设计案例------相当于在"没有参考答案"的情况下出一套考试题。

"直接让 AI 写"为什么解决不了这些痛点

AI 的内容生成能力已经很强------写一篇 3000 字的课程大纲只需要 2 分钟。但教师真正试过之后会发现，AI 备课的难点不在于"生成"，而在于以下系统性问题：

难点一：AI 没有全局视野

对 AI 说"帮我写第三节课"，它不知道前两节讲了什么、后面还有什么课。结果：

重复讲前课已覆盖的内容（"这个概念上节课不是讲过了吗？"）
提前把后课的核心内容讲完（第三节课把第五节的内容也说了）
衔接断裂（前课结尾的悬念，后课开头完全没接住）

难点二：AI 没有跨 Session 记忆

换一个对话窗口，AI 就忘了之前所有讨论。这导致：

同一个概念在不同课中用了不同类比（学生困惑："这是同一个东西吗？"）
讨论了半小时确定的方向，换个 session 后 AI 完全不记得
多人协作时更严重------每个人和 AI 的对话是完全隔离的

难点三：AI 不会自我约束

如果你不明确告诉 AI "这节课只能讲 X，不能讲 Y"，它会把所有相关内容都塞进来。AI 天然倾向于"多讲"而非"守住边界"。对于有首讲权要求的系列课程（某个概念只该在某一节完整展开），AI 不会自动遵守。

难点四：AI 输出的"看起来对"陷阱

AI 生成的课程内容往往格式工整、逻辑自洽------但缺乏以下教学设计的"隐性质量"：

每课的信息密度是否均衡（不能一课撑死、一课吃不饱）
互动环节是否足够（不能全程讲授无互动）
案例是否真实可跑（AI 会虚构"假设输出如下"的理想化案例）
类比是否产生错误映射（看似生动但技术上不准确）

这些问题需要系统性的方法论来解决，而非仅靠"写一个更好的 Prompt"。

我们要解决什么

总结一下需要解决的核心问题：

问题	本质	不解决会怎样
多课内容重复/遗漏	AI 无全局视野	学生说"这个上节课讲过了"
风格和术语不统一	AI 无跨 session 记忆	感觉像不同人拼凑的
内容越界/层次混乱	AI 不会自我约束	前课把后课内容讲完了
质量"看起来对"但教学效果差	AI 无教学设计直觉	学生听完了但没学到东西
案例不适配受众	单次生成无法多方向覆盖	非 CS 学生觉得与自己无关
备课周期长、难以持续投入	人力瓶颈	课程质量虎头蛇尾

下面介绍的工作流，正是针对这些问题设计的一套系统性解法。

本案例的规模参考

为具体说明方法论的适用场景，本文基于以下实际项目：

维度	数据
课程总量	4 个模块、13 节课、每课 90 分钟
实操 Demo	17 个实操环节 × 2 个方向 = 34 个独立案例
交付物层次	每课 6-7 个文件（交付要求/素材/框架/内容/PPT/进度）
受众跨度	CS / 经管 / 人文 / 理工 / 艺术，全专业覆盖
知识依赖链	13 课形成长链递进，后课必须精确引用前课表述

一、核心理念：Architect 不是"写规则的人"，是"知道要什么的人"

1.1 重新定义 Architect 的角色

一个常见的误解是：Human as Architect 意味着"人写约束文件，AI 写内容"。实际上，这套工作流中的约束文件、课程大纲、模块结构------大部分也不是人从零独立撰写的，而是人和 AI 讨论出来的。

人真正不可替代的贡献是：

人的核心价值	具体表现
知道整体要什么	脑中有课程体系的全局图景：模块怎么分、递进逻辑是什么、哪里是边界
判断什么是对的	能在 AI 给出的 5 种方案中识别哪个最合适、哪里有问题
定义验收标准	知道"好"长什么样，能说出"这不够好"并指明方向
做取舍决策	在多个合理选择之间做取舍（如"这个概念到底放在 A1 还是 A2"）

而这些判断通过什么形式落地？通过和 AI 的讨论 ------人提出框架直觉，AI 帮助展开、结构化、补充细节，人审查后确认或修正。约束文件是这种讨论的固化产物，而非人独自写出的文档。

1.2 自证性（Dogfooding）

这套工作流本身就是课程内容的最佳案例------我们用课程中教给学生的 AI 协作方法论来开发课程本身：

课程中教的方法论	在备课工作流中的体现
Human as Architect, AI as Executor	人持有框架判断力和验收标准，AI 帮助展开和执行
需求拆解与任务规划（C2）	通过讨论将模糊的"要教什么"拆解为结构化的约束文件
验证与闭环（C3）	每阶段设人工审查卡口，横评 Agent 做交叉审查
多 Agent 协作（C4）	不同课用不同 Agent session 并行开发，文件为共享介质
复盘沉淀与自动化（C5）	讨论成果沉淀为约束文件和模板，新模块直接复用

1.3 协作的真实姿态

arduino 复制代码

"全局结构" 的产生过程：
  人的输入：我觉得应该分认知→工具→方法论→实练这四层
  AI 的贡献：帮你展开每层应该覆盖什么、多少课合适、怎么递进
  人的判断：对，但工具模块应该按方向二选一，不是所有人都学 IDE
  最终产物：课程大纲.md（看起来像"人写的"，实际是讨论的结晶）

"首讲权分配表" 的产生过程：
  人的输入：A1 和 A2 有重复，每个概念应该只有一个地方讲完整版
  AI 的贡献：梳理出所有跨课概念，建议归属
  人的判断：对，但"涌现"应该归 A2 不是 A1，因为 A1 定位是编年史
  最终产物：共性约束中的首讲权表（结构化的决策记录）

关键洞察 ：Architect 的价值不在于"亲手写出每个字"，而在于持有判断力------知道"课程整体应该是什么样的"，能在 AI 的多种产出中做出正确选择，能说出"这里不对"并指明方向。这种判断力来自对教学目标的深度理解、对受众的把握、以及对内容逻辑的审美。

二、架构总览：三层体系 × 三阶段流水线

2.1 三层治理体系

整个课程内容的开发遵循自上而下的三层治理：

markdown 复制代码

┌────────────────────────────────────────────────────────────┐
│  第一层：全局结构层                                           │
│  课程大纲.md --- 定义模块划分、课程编排、受众假设                  │
└────────────────────────────────────────────────────────────┘
                              ↓
┌────────────────────────────────────────────────────────────┐
│  第二层：模块约束层                                           │
│  模块X-共性约束.md --- 定义内容边界、首讲权、教学风格、质量红线      │
│  横评Agent启动Prompt.md --- 定义审查维度和输出格式                 │
└────────────────────────────────────────────────────────────┘
                              ↓
┌────────────────────────────────────────────────────────────┐
│  第三层：课程执行层                                           │
│  各课/交付要求.md --- 课程级独有定义：核心问题、内容方向、衔接要求    │
│  各课/进度.md --- 跨 session 的共享记忆                          │
│  各课/课程内容文档.md --- 实际交付物                              │
│  各课/PPT页面稿与逐字稿.md --- 可授课材料                        │
└────────────────────────────────────────────────────────────┘

设计原则：

上层锁定规则，下层执行创作。前两层一旦确认即为"只读宪法"，AI Agent 在执行时不可修改
但前两层本身也是人与 AI 讨论产出的------人提供框架直觉和判断，AI 帮助展开和结构化
区分"产生过程"（协作讨论）和"使用方式"（只读约束）：约束文件是讨论的固化产物，固化之后对执行层是刚性的

2.2 三阶段生产流水线

每节课的内容生产统一走三个阶段，每阶段有明确的退出条件：

阶段	目标	人-AI 协作模式	退出条件
一：探索与对齐	锁定内容方向和结构	多轮讨论 + AI 搜索 + 人工拍板	人工说"方向确认"
二：内容创作	产出课程内容文档	AI 写初稿 → 人工 Review → 多轮迭代	人工说"内容 OK"
三：PPT + 逐字稿	转化为可直接授课的材料	AI 转化 → 人工 Review	人工最终确认

关键设计：

阶段之间不可逆转但可回退------如果阶段二发现方向有问题，可以回到阶段一重新对齐
每个阶段的产物都即时落盘到文件------不存在"只在对话里讨论了但没记录"的情况
阶段一允许多轮发散 （搜索 → 讨论 → 再搜索），但阶段二要求收敛（基于已确认的框架写）

三、六大核心机制详解

每个机制都对应第零章中识别的具体问题。

机制	解决的问题	效果
约束文件体系	AI 无全局视野 + 不会自我约束	每课有明确的"能讲/不能讲"边界
进度文件	AI 无跨 session 记忆	换对话不丢上下文，可续做可追溯
横评 Agent	质量"看起来对"陷阱 + 多课不一致	独立审计发现重复/矛盾/脱节
Demo 热插拔	跨专业适配成本高	新增方向 = 新增文件夹，主线不变
前置阅读链	后课引用前课表述不一致	AI 必读前课内容再动笔
即时落盘	备课周期长导致版本混乱	始终单一最新版，无"v3-final"

机制一：约束文件体系------给 AI 的"上岗须知"

问题：AI 生成课程内容时，如何确保它不越界、不重复、不跑偏？

方案：为每个模块编写一份「共性约束」文件，AI Agent 启动时必须首先阅读。

约束文件怎么来的：不是人坐下来从零敲出来的，而是通过讨论逐步固化的------

第一轮：人说"每节课应该有明确的边界，不能讲重了"→ AI 帮梳理出每课的边界定义
第二轮：人 Review 后说"A1 不应该讲原理，只讲发生了什么"→ 修正后落盘
第三轮：实际生产中发现"涌现"在两课重复了 → 追加"首讲权分配表"
最终：约束文件是多轮讨论 + 实际踩坑后的经验沉淀

约束文件包含：

内容边界规则：明确每节课"讲什么、不讲什么"
首讲权分配表：每个概念只有一节课可以完整讲解，其他课只能一句话引用
跨课引用规则：可以"承接前课结论"或"预告后课内容"，不可以"替代其他课核心内容"
教学风格约束：直觉优先、反例驱动、不回避复杂性
质量红线：技术错误零容忍、不过度拟人化、不修改本课文件夹之外的文件

实际效果：

arduino 复制代码

无约束时：A1 和 A2 对"下一词预测"各讲了一遍完整版，学生觉得重复
有约束后：A1 只提名称（"它通过预测下一个词获得语言能力"），A2 做完整展开

机制二：进度文件------跨 Session 的共享记忆

问题：AI 对话有上下文窗口限制，换一个 session 之前的讨论就丢失了。多人协作时更是如此。

方案：每节课维护一个 进度.md，记录当前阶段、关键决策、待解决问题。

markdown 复制代码

# C1 进度

## 当前阶段
阶段三：PPT + 逐字稿（已完成）

## 关键决策记录
| 时间 | 决策 | 原因 |
|------|------|------|
| 06-24 | 意义首尾呼应 | 避免 PE 价值讨论孤立成一章 |
| 06-24 | 负向约束定位为开放议题 | 匹配"不讲成唯一正确做法"红线 |
| 06-24 | Demo 边界分离 | 内容创作者负责骨架，用户负责真实输出 |

## 待解决问题
- Demo 占位由用户统一设计

使用协议：

AI Agent 每次启动 → 先读 进度.md → 了解当前状态后才开始工作
每次关键决策 → 更新进度文件 → 即使对话中断也有据可查
换人接手 → 读进度文件 → 5 分钟内接上工作

机制三：横评 Agent------独立的质量审计

问题：单课内容质量 OK，但多课之间可能有重复、矛盾、脱节。写作者本人很难发现跨课问题。

方案：全模块课程内容完成后，启动一个只读审阅 Agent，专门做跨课横向审查。

流程：

arduino 复制代码

各课 Agent 独立完成内容 → 横评 Agent 读取全部文件 → 输出结构化横评报告
→ 人工确认修改优先级 → 生成"修改指令"文件 → 执行 Agent 逐条修改

审查维度（6 个）：

内容重复：是否有两课讲同一个知识点
边界违反：是否有课超越了自己的"首讲权"范围
衔接与过渡：上课悬念是否被下课接住
深度均衡：篇幅和信息密度是否一致
叙事一致：同一概念在不同课中表述是否统一
改进建议：具体到文件、位置、修改方案

关键设计：

横评 Agent 是只读角色------它只输出报告，不动手改文件
修改指令精确到"哪个文件→哪段→改成什么"------执行 Agent 无需重新理解全局
问题按严重程度分级（🔴必须修/🟡建议修/🟢可选），人工决定修改优先级

机制四：Demo 热插拔架构------解耦方法论与专业案例

问题：方法论是通用的，但案例需要适配不同专业方向。如果把案例嵌入方法论正文，每换一个专业就要重写全课。

方案：采用「骨架 + 插槽」的热插拔设计。

bash 复制代码

方法论主线 PPT（所有班级通用）
    ↓ 到实操环节，标注"切换到 Demo 演示稿"

模块C-实操库/
├── CS方向/C1-Prompt工程基础.md       ← CS 老师拿走这个文件夹
├── 通用方向/C1-Prompt工程基础.md     ← 经管/社科老师拿走这个文件夹
└── [未来可扩展] 理工方向/...          ← 新增方向只需新增文件夹

设计细节：

教学目标/评判标准/时长 → 锁死（不同方向的 Demo 考核标准一致）
任务场景/输入输出/操作步骤 → 开放（适配专业需求）
「引导文档」：一份自包含的规格说明，老师带入 AI 对话即可生成自己学科的 Demo

机制五：前置阅读链------确保知识连贯

问题：后面的课会引用前面课的概念。如果 AI 不知道前课讲了什么，可能产生表述矛盾。

方案：每课的交付要求中明确列出"必读文件列表"，AI Agent 开工前必须先阅读。

复制代码

C3 的 Agent 必须先阅读：
├── 课程大纲.md（全局结构）
├── 模块C-共性约束.md（边界规则）
├── A2 课程内容文档（原理回扣来源）
├── A3 课程内容文档（框架来源）
├── C1 课程内容文档（确认哪些内容已讲，避免重复）
└── C2 课程内容文档（确认哪些内容已讲，避免重复）

效果：C3 引用 A2 时会使用 A2 中的原始表述和类比，而不是自己重新编一个。

机制六：产物即时落盘 + 覆盖式更新

问题：内容在多轮迭代中容易产生"版本混乱"------到底哪个是最新的？

方案：

每个阶段只维护一个文件（不另存副本、不加版本号）
每次修改直接在原文件上迭代（覆盖式更新）
变更历史记录在 进度.md 中，而非通过文件版本管理

好处：任何时刻打开文件夹，看到的就是最新状态。不需要翻找"v3-final-最终版-真的最终版"。

四、工作流全景------一个模块的完整生命周期

以模块 A（3 节课）为例：

yaml 复制代码

Phase 1: 体系设计（人主导）
│
├─ 编写课程大纲框架.md → 确定模块划分和递进逻辑
├─ 编写课程大纲.md → 填充每节课的教学目标和内容方向
├─ 编写模块A-共性约束.md → 锁定边界规则、首讲权、质量红线
└─ 编写各课/交付要求.md → 定义每节课的独有要求
│
Phase 2: 并行生产（AI 主导，人审查）
│
├─ A1 Agent: 阶段一 → 阶段二 → 阶段三（含多次人工 Review）
├─ A2 Agent: 阶段一 → 阶段二 → 阶段三（可并行）
└─ A3 Agent: 阶段一 → 阶段二 → 阶段三（可并行）
│
Phase 3: 横向审计（独立 Agent）
│
├─ 启动横评 Agent → 读取全部文件 → 输出横评报告
├─ 人工确认修改优先级
└─ 生成修改指令 → 执行 Agent 逐条修改
│
Phase 4: Demo 扩展（可持续）
│
├─ 产出标杆 Demo（CS 方向）
├─ 产出标杆 Demo（通用方向）
└─ 编写引导文档 → 其他老师用 AI 自行生成本学科 Demo

五、对教师的实践建议

5.1 "最小可用版"------如何从零开始

如果你没有时间搭建完整体系，以下是优先级排序：

优先级	做什么	投入	收益
P0	和 AI 讨论出一份 1 页纸的"约束文件"（受众、风格、红线）并固化	30 分钟对话	所有后续内容质量显著提升
P1	每次讨论后让 AI 更新"进度文件"	每次 2 分钟	跨 session 不丢失上下文
P2	将内容生产分为"对齐方向"和"正式写作"两个阶段	0 成本	避免"方向错了重写"的浪费
P3	多节课完成后做一次横评（可以手动提问，不需要专门 Agent）	1 小时	发现跨课重复和衔接问题

5.2 关键心智模型

你的价值不在于"写"，而在于"判断"------框架、约束、大纲都可以和 AI 讨论产出，但"对不对""够不够好""该选哪个"只有你能回答
文件是 Agent 之间唯一可靠的通信介质------不要依赖"上次对话里说过了"
区分"讨论产出"和"固化约束"------约束文件可以通过讨论产生，但一旦固化就是下游的刚性规则
审查和创作必须分离------让写的 Agent 和查的 Agent 是不同角色
锁死框架，开放内容------教学目标不能改，案例随时可以换
先讨论方向，再动笔写作------方向错了，写得再好也要推倒

5.3 常见坑和解法

坑	症状	解法
没有约束文件就开写	AI 输出风格飘忽、内容越界	哪怕只写 5 条规则也比没有强
阶段一跳过直接写	写了 3000 字后发现方向不对	强制自己在"方向确认"前不进入正式写作
多课之间不做横评	学生说"这个上节课讲过了"	每 3-5 课做一次横评
Demo 锁死在一个学科	非 CS 学生觉得案例与自己无关	骨架通用 + 插槽按方向替换
不记进度	换 session 后 AI 从零开始	每次关键决策后更新进度文件

六、本工作流的适用场景

除高校课程开发外，这套工作流同样适用于：

企业培训体系搭建：多模块、多讲师、需要保持一致性的培训项目
技术文档体系开发：有层级结构、需要跨文档一致性的文档工程
系列内容创作：播客/视频课程的系列化内容规划和生产
多人协作的知识库建设：需要统一标准、分工协作的知识管理项目

核心共性：内容量大、有结构化要求、需要多人/多 Agent 协作、对一致性要求高。

TRAE Work 官方AI 工作知识库已上线，点击了解 TRAE Work 知识库： bytedance.larkoffice.com/wiki/Q0pSwm...